检测技术结合AI实时检测缺陷

弗劳恩霍夫材料与光束技术研究所（Fraunhofer IWS）的研究人员开发了一种解决方案，利用人工智能和光学测量技术实时检测、分类和可视化缺陷，并向进行生产的工厂报告。这个过程可以快速和高分辨率地捕获表面的三维信息。测量数据被用来为正在进行的生产过程在线生成补充信息。

据弗劳恩霍夫光学计量和表面技术AZOM应用中心（弗劳恩霍夫IWS的一部分）的表面计量小组经理Christopher Taudt说，该系统被称为SURFinpro，既能检测缺陷，又能对其进行分类。Taudt说，客户会收到有关检测到的缺陷类型的信息，以及许多其他参数的信息--如缺陷的密度、几何尺寸和频率。
 

利用人工智能和光学测量技术，SURFinpro可在加工过程中实时检测、分类和显示缺陷。由Fraunhofer IWS提供。
该测量系统已经在工业领域成功运行了一年多，分析了基材宽度为70厘米的卷对卷工艺。为了利用进一步的优化潜力，Taudt和SURFinpro团队现在正在使用缺陷目录在持续的生产中对系统进行培训。随着缺陷的报告，它们被送入一个神经网络，从而完善了检测的准确性。研究人员使用测量信息来检查是否有新的缺陷发生或现有缺陷被修改，这需要系统的动态响应。
据Taudt说，除了努力开发需要更少数据的更好的神经网络外，该团队还在持续的操作中开发新的训练策略。研究人员正在努力使该技术适用于新的应用领域，如连续纤维复合材料制造工艺。

"在这里，我们的合作伙伴不仅对避免近表面缺陷感兴趣，他们还希望该技术能够在多个维度上识别和评估部件，"Taudt说。该团队为算法和缺陷分类系统设想的另一个目标群体是半导体行业，例如柔性半导体材料的生产。

目前，弗劳恩霍夫AZOM解决方案最多使用四台摄像机。在下一步，该团队计划增加额外的相机系统。这将有利于评估任何工艺，从涉及非常大的部件的纤维复合工艺到传统的卷对卷工艺，例如光伏工业中使用的工艺。

科学家们的另一个关键方面是系统速度。对于纤维增强塑料和纺织品加工，非常短的周期时间需要特别快。

据研究人员说，他们的系统的关键特征之一是其模块化。由于采用高效组件的复杂模块化方法，SURFinpro提供了各种各样的潜在部署，并且易于适应。Taudt说，目前系统中使用的许多技术都是作为独立的组件开发的，不过其方式确保它们也可以在其他各种情况下实施，。